[发明专利]基于神经网络的制糖原材料预测方法

说明书

本发明公开了一种基于神经网络的制糖原材料预测方法，能够准确预测出制糖企业的制糖原材料需求量，包括：S1、将原材料的采购量、消耗量、成品糖销售量以及时间特征作为输入层，基于Elman神经网络构建制糖原材料预测模型；S2、采集制糖企业过去预定时间内的原材料采购量、消耗量、成品糖销售量的历史数据；S3、基于布谷鸟搜索算法并结合历史数据对制糖原材料预测模型进行权值优化；S4、基于预定时间内的节假日数据提取出时间特征，并对制糖原材料预测模型进行时间特征优化；S5、对权值优化和时间特征优化后的结果进行预处理并作为预测模型的输入，训练该预测模型并保存；S6、通过训练后的制糖原材料预测模型预测出下次原材料需求量。

技术领域

本发明属于制糖企业原材料需求预测领域，尤其涉及一种基于神经网络的制糖原材料预测方法。

背景技术

为了降低在生产过程中的生产成本，很多企业从整条供应链考虑采购、计划、生产、销售等环节，从各个环节来考虑减少企业成本。目前，国内外许多学者提出各种方法来对原材料需求量进行预测。1972年英国统计学家 G.U.Yule提出自回归(AR)模型，是最早处理时间序列预测的方法。一段时间后，英国天文学家、数学家G.T.Walker在观察和分析印度的大气规律时使用了自回归移动平均(ARMA)模型和移动平均(MA)模型，这些模型的提出揭开了国内外学者研究时间序列的序幕。

目前，国内制糖企业普遍存在因供需不匹配而造成生产效率低下的问题。制糖原材料需求量和购买原材料提前的时间以及生产计划有关系，然而购买提前的时间以及生产计划变动性太大，因此制糖原材料的需求量无法准确地确定。其中原材料采购是整条供应链的起始，为了保证生产的及时供应和生产平衡，对企业原材料需求量进行控制和预测是必不可少的一步。

然而，现有原材料需求量预测研究绝大多数采用传统回归、线性规划等算法模型，尚未考虑制糖原材料业务特点，忽略了时间因素对原材料需求量的影响，导致需求量预测的准确性有限。因此，如何科学准确的预测制糖原材料需求量是制糖企业实现现代化智能化管理必需解决的基础和关键问题之一。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种能够准确预测出制糖企业下次制糖原材料需求量的基于神经网络的制糖原材料预测方法。

本发明提供了一种基于神经网络的制糖原材料预测方法，其特征在于，具体包括以下步骤：步骤S1、将原材料的采购量、消耗量、成品糖销售量以及时间特征作为输入层、将下次原材料需求量作为输出层，基于Elman神经网络构建制糖原材料预测模型；步骤S2、采集制糖企业过去预定时间内的原材料采购量、消耗量、成品糖销售量的历史数据；步骤S3、基于布谷鸟搜索算法并结合历史数据对制糖原材料预测模型进行权值优化；步骤S4、基于预定时间内的节假日数据提取出时间特征，并对制糖原材料预测模型进行时间特征优化；步骤S5、对步骤S3权值优化和步骤S4时间特征优化后的结果进行预处理并作为制糖原材料预测模型的输入，训练该制糖原材料预测模型并保存；以及步骤S6、通过训练后的制糖原材料预测模型预测出下次原材料需求量。

在本发明提供的基于神经网络的制糖原材料预测方法中，还可以具有这样的特征：其中，步骤S1包含以下过程：S11、输入输出节点的选取：将原材料的采购量、消耗量、成品糖销售量以及时间特征作为输入层，将下次原材料需求量作为输出层；S12、输入样本归一化处理：基于公式对训练样本和测试样本数据进行归一化处理，这里，N为原始的神经网络输入值，M为处理后的输入值，N_min、N_max为神经网络输入量的极大和极小值，在实际情况中，N_max通常采用样本值的1.25倍，N_min通常为样本值的0.75倍； S13、隐含层节点数的确定：基于公式进行确定；S14、网络学习速率的确定：采用自适应改变学习速率的方式，基于公式

进行，